Gerade hat Google Genie 4 in einer bahnbrechenden Ankündigung veröffentlicht: Das ist das wahre „Weltmodell“.

Googles Version von «Matrix» ist heute Nacht endgültig wahr geworden!

Gerade eben hat Google DeepMind eine überraschende Neuigkeit vorgelegt und offiziell das neue generische Weltmodell Genie 4 vorgestellt.

Dies ist das bisher realistischste und interaktivste KI-Weltmodell von Google.

Mit nur einem einzigen Prompt lässt sich direkt ein »lebendiges Universum« erschaffen, das auf Befehle reagiert und die Realzeit dynamisch anpasst!

Google-CEO Sundar Pichai hat sofort bekannt gegeben: Von »ein Video generieren« bis »eine Welt in Echtzeit betreiben« ist das Zeitalter von »Oasis« gekommen, in dem Worte sofort Wirkung zeigen!

Der wichtigste Punkt: Mit Genie 4 wird das Weltmodell direkt in eine neue Ära mit »Ton, Charakteren und eigenem Verstand« geführt:

Die Genie-Serie generiert erstmals nativ Ton und improvisierte Dialoge. Es erzeugt gleichzeitig Umgebungsgeräusche und Hintergrundmusik, und lässt Charaktere spontan auf unerwartete Situationen reagieren und improvisieren.

2 Minuten durchgehende Langzeitgedächtnis, 24 flüssige Interaktionsbilder pro Sekunde. Die Dauer einer einzelnen zusammenhängenden simulierten Welt verdoppelt sich auf etwa 2 Minuten, und die tatsächliche Bildrate bleibt stabil bei etwa 24 FPS.

Neue realistische Darstellung von menschlichen Figuren und starrer Körperphysik. Mit der Verankerung von realistischem Allgemeinwissen durch Gemini Omni werden Mikroausdrücke von Figuren, Spiegelreflexionen und physikalische Kollisionen umfassend verbessert.

Drei Gemini-Modelle bilden gemeinsam ein »hybrides Weltmodell«. Gemini 3.8 Flash überwacht im Hintergrund die Bilder als »Regisseur«, Gemini 4 Argon zerlegt 22 feine Bewegungsschritte und steuert Roboter beim Damespielen.

Wenn du einen Schritt nach vorne machst, erweitert sich die Welt in Echtzeit um einen Teil; wenn du einen Satz änderst, werden die physikalischen Gesetze und die Zeilen der NPCs sofort neu geschrieben.

Während Videomodelle noch die ästhetische Qualität von Sekunden langen Szenen vergleichen, hat Google für zukünftige generische Agenten und Roboter ein Paralleluniversum geschaffen, in dem unbegrenzt Fehler ausprobiert werden können.

Jetzt hat Google die interne Betaphase von Genie 4 gestartet, Nutzer von Google AI Ultra können sich auf die Warteliste bewerben.

Mit nur einem Satz wird sofort »ein Universum für dich generiert«

Um die überlegene Leistung von Genie 4 zu demonstrieren, hat Google eine Reihe beeindruckender Demos veröffentlicht, deren Stile breit gefächert und Details so präzise sind, dass sie staunen lassen.

Und vor Genie 4 bist du nicht mehr nur Zuschauer, sondern ein »Ego-Spieler« und der »Gott« dieser Welt.

Kannst du glauben, dass die folgende Verfolgungsjagd auf einer Brücke in Hongkong im Stil von Wong Kar-wai gar kein Originalfilm ist?

Gerade als das Mädchen auf dem Rücksitz ihre Zeile ausgesprochen hat, gibt der Spieler zwei Zeilen ein: »Eine Explosion bricht im Hintergrund aus«, »Riesige außerirdische Tentakel, die die Welt zerstören«.

Daraufhin steht die Skyline von Victoria Harbour in der Ferne sofort in Flammen, und die außerirdischen Tentakel fallen direkt vom Himmel!

Sogar die orangefarbenen Nachzieheffekte der Straßenlaternen, die Hauttextur der Heldin und ihr feiner besorgter Ausdruck werden in der Langaufnahme perfekt gerendert.

Obwohl Genie 3 im letzten Jahr den Grundstein für interaktive Echtzeitvideos gelegt hat, hatte es einen fatalen Nachteil: Kein Ton, und bei der Generierung von echten Menschen gab es zahlreiche Fehler.

Google hat direkt einen Split-Screen-Vergleich zwischen Genie 3 und Genie 4 veröffentlicht.

Links ist Genie 3 noch ein stummer Pappkarton mit verklebten Gesichtszügen und steifen Gliedmaßen; rechts kann Genie 4, verankert mit dem realen Allgemeinwissen von Gemini Omni, bereits das warme Licht des Schminkspiegels, Mikroausdrücke der Schauspieler und sogar die Echtzeitspiegelung im Glas darstellen – so fein wie eine echte Langaufnahme.

Ethan Mollick, Professor an der Wharton School, der frühzeitig Zugang zum Test erhalten hat, hat seine erste Testaufnahme veröffentlicht.

Er hat nur den Prompt »Eine neugotische brutalistische Stadt, in der Pferde und Roboter zusammen wohnen« eingegeben, und in weniger als einer Minute ist diese Stadt erschienen.

Die Latenz pro Frame liegt stabil zwischen 23,4 und 25,3 FPS. Wenn du auf die Schaltfläche »Ein Drache fliegt vorbei« klickst, schlägt ein Drache innerhalb weniger Sekunden mit den Flügeln und rauscht vorbei!

Das reicht noch nicht, also gibt er ein: »Ein freundlicher Otter-NPC kommt herüber und stellt eine Frage«.

Daraufhin läuft tatsächlich ein Otter mit Weste um die Ecke und spricht mit Londoner Akzent: »Entschuldige, Reisender.«

Dann zeigt er ein weiteres fantastisches Testergebnis: DOOM läuft in Genie 4!

Zuerst definiert er »Gehe in ein Büro, in dem jeder Computer und jede Wand DOOM ausführt«, dann gibt er drei Befehle nacheinander ein: »Ein dämonischer Kollege erscheint«, »Er trägt ein Gatling-Gewehr in der Hand«, »Er gibt mir einen Bonus«.

Kaum ausgesprochen, kommt tatsächlich ein dämonischer Kollege heraus, dreht ein schweres Gatling-Gewehr in den Händen und verteilt sofort den Bonus!

Justine Moore, Partnerin bei a16z, hat auch einen Unterwasser-Test veröffentlicht und erklärt, dass dies ein großer Sprung nach vorne ist.

Wenn du in einer Höhle auf dem Meeresboden die Option »Der verfluchte violette Diamant leuchtet« und »Ein Schwarm Zitteraale kommt heran« auswählst, blitzt sofort violettes Licht in der Tiefe der Höhle auf und ein riesiger Schwarm Zitteraale erscheint.

Klicke noch einmal auf »Ein Geisterpirat erscheint«, sofort taucht der untote Kapitän der Piraten auf – so realistisch.

Bilawal Sidhu, ehemaliger AR/3D-Produktmanager bei Google, nutzt Genie 4 als virtuelles Echtzeit-Drehbuch für Science-Fiction-Filme:

Er beschwört ein UFO und gibt ein: »Es saugt mich hinein« – sofort öffnet das UFO einen Traktorstrahl, um die Person hineinzuziehen.

Vier Schlüsselfunktionen

Laut dem offiziellen Blog von Google hat Genie 4 vier Schlüsselfunktionen verbessert.

Echtzeitgestaltung der Weltsimulation

Wir können simulierte Szenen in Echtzeit mit natürlicher Sprache ändern – zum Beispiel das Wetter verändern, die Kamera bewegen oder neue Charaktere oder Objekte hinzufügen – Gemini passt unsere Befehle an die umgebende Szene an. Während wir Befehle eingeben, überwacht und lenkt Gemini die Szene, um sicherzustellen, dass sich die gesamte Welt flüssig entwickelt.

Klingt das nicht so, als würde Inception wahr werden?

Ein Mann spielt Saxophon auf einer Insel, gibt ein »Ein Wal-Schwanz erscheint«, und sofort taucht hinter ihm ein Wal im Wasser auf.

Dann lassen wir die Welt schneien, und sofort fallen große Schneeflocken vom Himmel.

Wenn du die Kamera in die Ego-Perspektive ziehst, wird der Eindruck des Echtzeit-Umschreibens der Welt noch stärker.

In dieser Szene reiten wir auf einem Drachen mit 140 km/h im Sturzflug und fliegen an einer Burg vorbei. Wenn wir befehlen »Die Burg feuert Feuerbälle ab«, spucken die Türme sofort Flammen aus, die Feuerbälle fliegen an uns vorbei – maximaler Nervenkitzel.

In der folgenden Szene generiert Genie 4 zuerst die gefrorene Landschaft der Antarktis gemäß dem Prompt des Nutzers, dann die Szene einer Heißluftballonfahrt in Ego-Perspektive.

Erweiterung der realistischen Grenzen von Physik und menschlichem Verhalten

Dieses Mal führt Genie 4 einen neuen Standard für Realismus in interaktive Simulationen ein.

Aufgrund des starken Verständnisses für die Physik der Welt simuliert Genie 4 die physikalischen Szenen der realen Welt sehr realistisch, zum Beispiel Aerodynamik, Kollisionen und vieles mehr.

Der auffälligste Fortschritt von Genie 4 liegt in der Simulation von menschlichen Figuren: Es kann Charaktere erstellen, die sich natürlich bewegen, auf die Umgebung